| 揚聲器 |
文字稿 |
| Jason Wiggins，JMP |
嘿，麥迪遜。 |
| 麥迪遜·亨布里 |
對不起，我當時太慌張了。 |
| |
我當時以為是我的錯，心想：糟了。 |
| Jason Wiggins，JMP |
不，這太搞笑了，要設定這些東西，需要準備大約 20 件不同的事情，而且必須全部做對。 |
| 麥迪遜·亨布里 |
為了我們所做的一切。 |
| Jason Wiggins，JMP |
你知道，步驟越多，助手越多，選擇就越多，但也越容易搞砸。 |
| 麥迪遜·亨布里 |
是的。 |
| Jason Wiggins，JMP |
嗯，總之，我覺得我們應該沒事了，我懂了。 |
| 麥迪遜·亨布里 |
完美的。 |
| Jason Wiggins，JMP |
是的，看起來沒有任何奇怪的相機瑕疵。 |
| |
我想說，如果能調暗背景燈光就好了，但… |
| |
正是如此。 |
| |
哦，我知道是怎麼回事了。 |
| 麥迪遜·亨布里 |
是不是太暗了？ |
| Jason Wiggins，JMP |
不，我覺得這樣挺好的。 |
| 麥迪遜·亨布里 |
好的。 |
| Jason Wiggins，JMP |
這樣好多了，這樣好多了。 |
| 麥迪遜·亨布里 |
所以，現在陽光明媚，我把上面的燈關掉了。 |
| Jason Wiggins，JMP |
您是從辦公室登入的嗎？ |
| 麥迪遜·亨布里 |
是的，我在辦公室簽的字，我盡量這麼做了，但是現在在家工作的人太多了。 |
| |
是的，當時，就像每個人都在同一時間開會一樣，我就想，那我就用我們現在所在的這個會議室吧。 |
| Jason Wiggins，JMP |
好了，一切就緒。在我們開始之前，我的任務之一是提醒大家，這段錄音將會發佈在社群發現頁面上，你們同意嗎？ |
| 麥迪遜·亨布里 |
是的，我的所有材料都已獲得法務團隊的批准，非常完美。 |
| Jason Wiggins，JMP |
太好了，我剛剛注意到我們其實正在錄音，但我們的對話會被剪掉。 |
| |
好了，你隨時都可以出發。 |
| 麥迪遜·亨布里 |
好的，那我打開看看。 |
| |
打開了。 |
| 麥迪遜·亨布里 |
模式。 |
| |
李OK。 |
| Jason Wiggins，JMP |
好的，我看到你的螢幕了，你已經起床了。 |
| 麥迪遜·亨布里 |
做得過火了，你看到了嗎？或者說，那些臉孔是不是模糊了我的臉，導致簡報中出現灰色方塊？ |
| Jason Wiggins，JMP |
我這邊看起來好像不是這樣。 |
| |
而且我很確定，如果人們觀看影片的話，他們就會看到這些內容。 |
| |
你懷孕了，我看到了。 |
| |
你的海報。 |
| 麥迪遜·亨布里 |
好的。 |
| |
讓我一步一步來。 |
| |
所以我就… |
| |
有了。 |
| |
好的，那我先做個簡單的自我介紹，然後開始我的演講。 |
| |
我覺得那樣挺好。 |
| |
好的。 |
| |
好的。 |
| 麥迪遜·亨布里 |
大家好，我叫Madisun Hembree，是賽默飛世爾科技公司的產品開發工程師，在遺傳科學部門工作。 |
| |
今天我將講解如何使用 JMP 預測分析器來評估玉米樣本中 SNP 檢測等位基因區分的最佳方法。首先，我先簡單介紹一下， |
| |
當我確定我的檢測性能時，或者你想想，實際上任何系統的任何性能，都需要定義兩種類型的變數。 |
| |
首先是你的關鍵因素變數。這些是你要改變的變量，你要測試不同的條件。 |
| |
就我而言，我將測試不同的 SNP 檢測類型，這些類型尋找不同的基因，並在多種不同的玉米籽粒類型上運行它們。 |
| |
第二類變數是輸出變數。這些變數將用於衡量關鍵因素變數的哪些組合。 |
| |
這些優化措施是根據您使用者定義的需求而製定的。就我而言，我將測量數據的呼叫率、簇擴展度和簇到 NTC 的距離，這些指標是： |
| |
下一節我會更詳細地解釋這些指標的意義。所以，這張海報將展示我用來建立基準線的基準實驗。 |
| |
此檢測方法對我的起始原料的效能影響很大。由於我有幾種不同類型的輸出變量，它們的權重略有不同，因此很難手動完成。所以，使用 JMP 預測分析器，您可以進行設定。 |
| |
一個能夠考慮用戶自訂需求的吸引力函數，可以幫助您根據材料，透過數學方法建立吸引力排名。 JMP 軟體在這方面將對我們大有幫助。 |
| |
接下來，我們來簡單談談什麼是SNP檢測。 |
| |
我們體內有DNA；它包含了我們所有的遺傳訊息。 |
| |
最常見的遺傳變異形式是單核苷酸多態性（SNP）。 SNP 指的是單一核苷酸片段（即 DNA 中的一個核苷酸）的變異。 |
| |
被換掉了。當我們進行SNP檢測時，我們是為了進行基因分型。 |
| |
我們的樣本。當您查看這些數據時，您會看到類似於右側所示的圖表，即等位基因鑑別圖。因此，我們能夠將這些樣本進行基因分型，分成不同的類別。 |
| |
這對於我們能否從樣本中獲取所需資訊至關重要。因此，在我的實驗中，我希望能夠確定關鍵因素變數的不同組合會為我帶來什麼。 |
| |
繪製最佳判別圖。為此，我將使用三個關鍵指標。第一個是呼叫率。 |
| |
因此，基因型檢出率是指每個通過的 SNP 中成功檢出基因型的百分比。 |
| |
為此，我希望這個百分比非常高，所以我希望最大化這個百分比，我希望我們當中大約 80% 到 100% 的人能夠成功地對我們的樣本進行基因分型。 |
| |
其次，我要講解的是聚集性疫情的擴散，也就是我們在這裡看到的紅色區域。 |
| |
這裡。這是每個數據點到其所在簇中心距離的標準差。我們需要這個數值。 |
| |
盡量減少。我們希望這個數字非常小，這樣我們才能區分出你在紅色、綠色和藍色中看到的不同群體。 |
| |
越小，我們就越容易區分它們，並成功地對我們的樣本進行基因分型。 |
| |
最後，是聚類到 NTC 的距離。這是聚類中所有數據點到 NTC（即我們的無模板對照組）的平均距離。 |
| |
所以我們希望確保我們的基因型簇與沒有樣本的對照組保持距離，但在一定範圍內，該簇與對照組的距離越遠， |
| |
增加的益處並不多，因此這種距離的吸引力並非線性關係。而JMP能夠做到的是… |
| |
權衡每個變數的重要性。在決定組合方案的優劣時，我們希望呼叫率和簇間距比簇到 NTC 的距離更重要。簇到 NTC 的距離仍然重要，但不如其他兩個變數重要。 |
| |
所以，回到正題，我做了實驗。我用SNP檢測方法檢測了所有不同的玉米粒。我運行了這些檢測。 |
| |
在PCR反應中，我提取了相關數據，並根據這些數據手動計算了檢出率、簇擴散率和簇到NTC的距離。 |
| |
在我的關鍵因素變數的所有不同組合中，我將向大家展示…我將其輸入到 JMP 表格中，並將向大家示範如何使用預測分析器產生期望函數。 |
| |
所以，正如你在這裡看到的，我在這裡有兩個關鍵因素變量，以及所有的輸出變數。接下來，我要做的就是點擊“分析”，然後點擊“擬合模型”。 |
| |
接下來，我可以把所有輸出變數放到 Y 類別中，然後把所有關鍵因素變數加入模型效應。因為我只對預測分析器感興趣，所以我會盡量減少報告數量，這樣就不會看到太多圖表了。 |
| |
執行此程式時，開啟預測分析器，進入最小二乘擬合，然後點擊分析器以填滿底部的內容。 |
| |
所以，這裡只是把我們所有的結果繪製成圖表。您會在 Y 軸上看到所有輸出變量，在下方看到所有關鍵因素變數。下一步，我們要設定期望函數。 |
| |
為此，我們需要進入「最佳化」和「期望值」選項，您會看到 JMP 會自動在右側填入這些期望值曲線。因此，JMP 會自動將這些值全部設為最大化，您會看到這樣的期望值。 |
| |
下面有點像是映射關係。所以，你需要做的就是根據我們定義的需求來設定這些參數。首先我們討論了通話費率。 |
| |
就像我之前說的，我想盡可能提高這個指標。我真的希望它的受歡迎程度能達到80%到100%。 |
| |
你會看到我把最高設定調得非常誘人。誘人度介於0到1之間，所以我希望100%是最誘人的。 |
| |
我將中間值設為 80%，並且我希望保持這個值不變，這樣當它低於 80% 時，它就… |
| |
更不受歡迎。這種受歡迎程度曲線不會是線性關係。我們希望它保持在 80 到 100% 之間。 |
| |
100%。我先把這個重要性設為 1，稍後我們再看看具體該怎麼做。 |
| |
接下來是我們的聚集性傳播。我們之前討論過，我們真的想盡可能減少這種傳播，而現在的情況是… |
| |
左邊的數字代表的是我實驗數據中的數值範圍。所以我接下來要… |
| |
稍微調整一下，讓它們從零到二更合理一些。而且，因為我只想盡量減少這種影響，所以我會保持這條期望曲線相當線性的關係。 |
| |
所以我打算把它設定得非常理想，盡可能接近零，數值越小越好，而且優先順序要低一些。我會讓它保持與呼叫率相同的優先順序。 |
| |
最後一個，就是我們之前討論過的星系團到NTC的距離。這將是… |
| |
我們想要最大化。我們設定的距離範圍是 0 到 12，這是根據我們數據得出的，然後我想進去設定一些參數。 |
| |
期望值，比如說我希望它在接近 12 的時候是理想的。當它接近 6 的時候，它的吸引力會稍微降低一些，但不會降低太多。 |
| |
當我們向下移動時，稍微減少一些，但最重要的是，我要重視這一點，我要減少它。 |
| |
所以我打算把它改成0.5，這將改變期望值計算的方式，以及它所佔的權重。 |
| |
您可以看到，這裡已經繪製了期望值曲線，您可以看到其中一些是線性關係，一些是曲線關係。 |
| |
我們想要確保達到最高的吸引力，因為當我們做到這一點時，你會看到下面每個玉米粒都會顯示一個吸引力數值。現在它顯示的是我的玉米粒3， |
| |
我的玉米11 SNP檢測能提供最理想的設定。所以你可以保存這個公式，這樣我們就可以查看一下。 |
| |
我需要查看這個公式，了解它的計算方式，這樣我就可以用它來排序。排序時，需要彈出一個新的資料表。點擊“繼續”按鈕即可彈出該資料表。 |
| |
一旦彈出該窗口，你會看到一個列表，當我滾動滑鼠移到列表上時，你就會看到“受歡迎程度”數字。 |
| |
以及他們如何從最高到最低進行排名。我們還可以看到這個數字是如何計算出來的。你可以查看公式。 |
| |
而最重要的是，當我們設定自身的重要性時， |
| |
您可以看到，在「呼叫率」、「群集價差」和「群集到NTC」這幾個因素下，最突出的那個數值是所有這些因素加起來的結果。而且您可以看到，每個因素都乘以了一個縮放係數。 |
| |
你會注意到，到 NTC 的群集乘以了 0.2，而其他兩個群集乘以了 0.4。 |
| |
這意味著，當我計算每種玉米粒類型和SNP檢測類型組合的期望值時，它考慮了基因檢出率和簇分佈。 |
| |
更高，並且似乎比聚類到 NTC 距離更重要。 |
| |
所以，當這些資料被填入後，關鍵在於能夠確定在計算這個期望值時，哪個變數的權重比較高。因此，我得到了這個排名清單和這些期望值。 |
| |
但是，你知道，這些有什麼用呢？所以，這對我來說是一個基線實驗，用來了解我的檢測效能。當我進行任何優化時，例如優化我的反應混合物，或者我想改變SNP檢測中的順序，我想嘗試… |
| |
或許可以優化一下我的多工母帶混音。 |
| |
這樣做的時候，我需要了解我想使用哪些材料，因為我不知道那些玉米粒裡會含有哪些基因。 |
| |
我現在有了這份清單，可以滾動到最底部，找到那些真正不理想的選項。可能有些人攜帶某種基因，但實際上他們根本不攜帶。現在我可以根據這個理想度排名把他們排除掉。 |
| |
可能有些檢測方法的必要性較低，但我覺得我可以優化我的檢測方法。 |
| |
為了改進這一點。現在我可以從清單中選擇我以後要使用的材料。但如果手動操作的話，就會很麻煩。 |
| |
對我來說，這幾乎不可能。我不太清楚如何用數學方法實現，也不知道如何用我的輸出變數來區分高低不同的值。 |
| |
因此，JMP 很快就給了我一份列表，這樣我就可以開始進行我需要的任何類別的優化過程。 |
| |
我的海報展示就到這裡。我要感謝我的導師Joyce Wile和Ferrier Le，感謝她們提供材料並給予我持續的支持。希望大家喜歡我的展示。謝謝！ |
